Основы анализа данных в Python: различия между версиями
Перейти к навигации
Перейти к поиску
Строка 36: | Строка 36: | ||
* Типы [https://matplotlib.org/stable/api/markers_api.html маркеров] и [https://matplotlib.org/stable/gallery/lines_bars_and_markers/linestyles.html линий] в matplotlib. | * Типы [https://matplotlib.org/stable/api/markers_api.html маркеров] и [https://matplotlib.org/stable/gallery/lines_bars_and_markers/linestyles.html линий] в matplotlib. | ||
* Официальная документация: [https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.hist.html hist()], [https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html plot()], [https://pandas.pydata.org/docs/reference/api/pandas.plotting.scatter_matrix.html scatter_matrix()], [https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html bar()]. | * Официальная документация: [https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.hist.html hist()], [https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html plot()], [https://pandas.pydata.org/docs/reference/api/pandas.plotting.scatter_matrix.html scatter_matrix()], [https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html bar()]. | ||
+ | |||
+ | === Неделя 4. Линейная регрессия с библиотекой statsmodels. === | ||
+ | |||
+ | * Данные для работы: можно скопировать [https://vincentarelbundock.github.io/Rdatasets/csv/carData/Salaries.csv ссылку] или скачать файл [https://www.dropbox.com/s/nx7bi0mkopteqj3/Salaries.csv?dl=0 Salaries.csv], [https://vincentarelbundock.github.io/Rdatasets/doc/carData/Salaries.html описание] данных. | ||
+ | * Парная и множественная линейная регрессия со statsmodels (читать, скачать). | ||
== Домашние задания == | == Домашние задания == |
Версия 11:27, 4 октября 2022
Дорогие студенты!
Это страница курса по выбору «Основы анализа данных в Python», читаемого на программе «Политология» 3 курса бакалавриата в 1 модуле 2022-2023 учебного года.
Лекции читает: Стукал Денис Константинович.
Семинары ведут: Тамбовцева Алла Андреевна, Беленков Вадим Евгеньевич (семинары 1-2).
Содержание
Правила игры
- Формула оценки: 0.25 * Экзамен + 0.08 * ДЗ1 + 0.08 * ДЗ2 + 0.08 * ДЗ3 + 0.08 * ДЗ4 + 0.08 * ДЗ5 + 0.1 * ДЗ6 + 0.25 * Проект.
- Программа курса.
- Домашние задания, начиная с третьей недели курса, сдаются через запросы Dropbox.
Материалы практических занятий
Недели 1-2. Предварительная обработка данных. Введение в анализ данных.
- Файл wiki.csv, файл с описанием данных.
- Доверительные интервалы, проверка гипотез, коэффициенты корреляции (читать, скачать).
Дополнительно:
- NumPy arrays, Pandas Series, Pandas DataFrame (читать).
- Работа с датафреймами pandas: часть 1 , часть 2, часть 3, файл с данными firtree.csv.
- Официальная документация модуля stats из библиотеки scipy.
Неделя 3. Визуализация данных с библиотекой matplotlib.
Дополнительно:
- Визуализация данных с matplotlib: более продвинутые примеры (TBA).
- Форматы цветов в matplotlib, палитра цветов от Google.
- Типы маркеров и линий в matplotlib.
- Официальная документация: hist(), plot(), scatter_matrix(), bar().
Неделя 4. Линейная регрессия с библиотекой statsmodels.
- Данные для работы: можно скопировать ссылку или скачать файл Salaries.csv, описание данных.
- Парная и множественная линейная регрессия со statsmodels (читать, скачать).
Домашние задания
Домашние задания 1-2 сдавались через SmartLMS.
Домашнее задание | Файлы | Дедлайн | Куда сдавать |
---|---|---|---|
Домашнее задание 2а | ipynb responses_py.csv life_expect.csv | 04.10 23:59 | ссылка |
Домашнее задание 3 | ipynb canada.csv | 07.10 23:59 | ссылка |
Домашнее задание 4 | |||
Домашнее задание 5 | |||
Домашнее задание 6 |